豆包同声传译 2.0 设置教程

1注册火山引擎账户

访问 volcengine.com 并注册账户。如果您已有字节跳动/火山引擎账户，可以直接登录。

2进入语音技术控制台

登录后，在左侧菜单中找到 "豆包同声传译2.0大模型"，或直接访问 语音技术控制台。

3创建应用

在语音技术控制台中，点击 "创建应用" 按钮来创建一个新的应用。为应用命名（例如"Sokuji Translation"），然后确认创建。

4获取 APP ID 和 Access Token

点击左侧菜单的 "豆包同声传译2.0大模型"，在页面顶部的应用名称下拉框中选择刚创建的应用，然后复制下方显示的 APP ID 和 Access Token。Sokuji 也接受火山引擎的 API Key，两种凭证二选一即可。

5在 Sokuji 中配置

打开 Sokuji，在设置面板中选择 "豆包同声传译 2.0" 作为 AI 提供商。凭证方式选择应用 ID + 访问令牌并填入 APP ID 和 Access Token，或选择 API 密钥并填入 API Key。然后选择源语言和目标语言；语音模式（自动、按住说话、按住翻译）是对所有提供商生效的全局设置。

6测试连接

点击开始会话按钮，对着麦克风说话，验证语音到语音的同声传译是否正常工作。您应能看到译文。朗读的翻译会送入虚拟麦克风给对方听；如果您自己也想听到，请在语音区块（快捷设置，或设置 → 高级 → 音频）中打开我也听。

什么是豆包同声传译 2.0？

豆包同声传译 2.0 是端到端语音翻译服务：

• 语音到语音的同声传译，无需中间文本步骤
• 声音复刻：翻译后的语音保留说话者的音色
• 固定音色：从豆包的音色库中挑选，按目标语言各选一个，可按性别、年龄和风格筛选并试听
• 我听到的声音：在语音区块中打开“我听到的翻译”后，对方的翻译也会朗读给您听，语音设置中会出现两行：“对方听到的声音”和“我听到的声音”。“我听到的声音”列出的是您自己语言的音色；在这一行选择“复刻说话人的声音”，复刻的是对方的声音。音色按语言保存，为某种语言选的音色，在两行中朗读这种语言时都会使用。选择“中文 + 英语”时，一行同时用于双方
• 低延迟的实时翻译处理
• 中文与英语可在一个会话里双向互译

支持的语言

每个语言对中必须有一方是中文或英语：

• 可朗读（语音到语音）：中文、英语、日语、印尼语、西班牙语、葡萄牙语、德语、法语；从中文或英语出发还可以朗读成韩语
• 只能转成文字：韩语、土耳其语、马来语、荷兰语、罗马尼亚语、波兰语、捷克语、阿拉伯语、泰语、越南语、俄语、意大利语
• 方言：粤语、吴语（上海话）只能作为源语言
• “中文 + 英语”：一个会话里两种语言互译

语音模式

• 自动：由服务端检测说话的开始和结束，适合自然对话场景
• 按住说话：按住空格键或麦克风按钮时才发送语音，适合嘈杂环境或需要精确控制的场景
• 按住翻译：与按住说话相同，只是松开时你的原声会直接进入虚拟麦克风

常见问题

认证错误: 请验证 APP ID 和 Access Token（或 API Key）是否正确复制，确保没有多余的空格，并确认 Sokuji 里的凭证方式与您填入的凭证一致。

连接错误: 检查网络连接是否正常，确保防火墙没有阻止 WebSocket 连接。如果使用代理，请确保代理支持 WebSocket。

不支持的语言对: 请确认您选择的源语言和目标语言组合在豆包同声传译 2.0 支持的范围内。

使用建议

1. 使用稳定的网络连接以确保最佳翻译质量
2. 在安静的环境中使用以获得最佳语音识别效果
3. 如果翻译质量不理想，尝试切换语音模式
4. 定期检查火山引擎控制台中的使用量和配额